[論文レビュー] Sine Cosine Crow Search Algorithm: A powerful hybrid meta heuristic for global optimization

Seyed Hamid Reza Pasandideh, Soheyl Khalilpourazari|arXiv (Cornell University)|Jan 25, 2018

Metaheuristic Optimization Algorithms Research参考文献 29被引用数 35

ひとこと要約

本稿では、コウノトリサーチングアルゴリズム（CSA）の探索力とサイン・コサイン・アルゴリズム（SCA）の局所的最適化精度を統合した、新たなハイブリッドメタヒューリスティックであるサイン・コサイン・コウノトリサーチング・アルゴリズム（SCCSA）を提案する。両者の演算子を組み合わせることで、探索と局所最適化の間で良好なトレードオフを達成し、最先端のメタヒューリスティクスと比較して7つのベンチマーク関数において優れた性能を示した。

ABSTRACT

This paper presents a novel hybrid algorithm named Since Cosine Crow Search Algorithm. To propose the SCCSA, two novel algorithms are considered including Crow Search Algorithm (CSA) and Since Cosine Algorithm (SCA). The advantages of the two algorithms are considered and utilize to design an efficient hybrid algorithm which can perform significantly better in various benchmark functions. The combination of concept and operators of the two algorithms enable the SCCSA to make an appropriate trade-off between exploration and exploitation abilities of the algorithm. To evaluate the performance of the proposed SCCSA, seven well-known benchmark functions are utilized. The results indicated that the proposed hybrid algorithm is able to provide very competitive solution comparing to other state-of-the-art meta heuristics.

研究の動機と目的

• メタヒューリスティック最適化における探索と局所最適化のバランスの取りにくさに対処すること。
• コウノトリサーチングアルゴリズム（CSA）とサイン・コサイン・アルゴリズム（SCA）の両者の長所を活かしたハイブリッドアルゴリズムの開発。
• 複雑なグローバル最適化問題における収束速度と解の品質の向上。
• 標準的なベンチマーク関数を用いて、提案されたSCCSAを既存のメタヒューリスティクスと比較して評価すること。

提案手法

• SCCSAは、CSAの飛行メカニズムとSCAのサイン・コサインに基づく位置更新を統合する。
• ハイブリッド化された探索演算子を通じて、探索と局所最適化の動的バランスを実現する。
• 局所探索の精度を向上させるために、サイン関数とコサイン関数に従う位置更新を実施する。
• コウノトリの飛行行動（飛行距離と意識確率）を調整することで、グローバル探索能力を強化する。
• ハイブリッド化プロセスにより、多様な最適化の地形においても頑健性を確保する。
• 性能評価のため、7つの標準ベンチマーク関数を用いてアルゴリズムをテストする。

実験結果

リサーチクエスチョン

• RQ1 CSAとSCAの統合により、優れた探索と局所最適化のバランスを実現したメタヒューリスティクスが得られるか？
• RQ2 収束速度と解の品質の観点から、SCCSAは他の最先端のメタヒューリスティクスと比べてどのように差をつけるか？
• RQ3 ハイブリッド手法は、さまざまなベンチマーク関数において安定性と頑健性を維持できるか？
• RQ4 サイン・コサインとコウノトリサーチングのメカニズムを組み合わせることで、グローバル最適化性能がどの程度向上するか？

主な発見

• テストされた7つのベンチマーク関数すべてにおいて、SCCSAは非常に競争力のある解を達成した。
• 個別のCSAおよびSCAと比較して、ハイブリッドアルゴリズムは収束速度が向上した。
• テストされた関数において、SCCSAは他の最先端のメタヒューリスティクスを上回る解の精度を示した。
• CSAの探索とSCAの局所最適化を統合することで、良好にバランス取れた探索行動が実現した。